Lobu：让每个团队成员都拥有一个 AI teammate

想象一下这样的场景：你的团队里有一个人，他从不休息、从不遗忘，能随时帮你查资料、整理会议记录、自动追踪 CRM 更新、起草合同草稿——而且不会看到你的密码和隐私数据。这就是 Lobu 试图构建的世界。

Lobu 是一个开源的多租户 AI teammate 基础设施平台，基于 OpenClaw 运行时构建，于 2025 年 7 月以 peerbot.ai 起步，2026 年中重新许可为 Apache-2.0 并更名至今。它的核心目标是：让企业团队能够批量部署 AI 代理，让每个人、每个 Slack 频道都能拥有自己的专属 AI 队友。

图1：Lobu 产品界面概览

为什么需要多租户 AI 代理平台

2025 年下半年开始，AI 代理（AI Agent）从"极客玩具"走向企业场景。但企业部署 AI 代理面临三个核心挑战：

1. 隔离问题：一个代理能访问所有数据，不符合企业安全要求
2. 记忆问题：代理需要持久化的、结构化的企业知识库，而不是每次对话都从零开始
3. 连接问题：代理需要和 Slack、CRM、数据库等现有工具打通

Lobu 正是针对这三个挑战设计的多租户代理编排平台。它最初由 lobu-ai 组织开发，创始人 Ry Walker 同时也是 Vertis Holdings 的负责人，背后有一定企业级技术背景。

核心架构：Pi Agent 循环 + 多租户沙箱

Lobu 的核心技术架构脱胎于 OpenClaw（clawdbot/openclaw）项目，采用经典的 Pi-based Agent 循环（Plan-Act-Observe），即"思考→行动→观察"循环。代理在隔离的沙箱（sandbox）中运行，支持 bash 命令、文件系统操作、MCP 工具调用和自定义 Skills。

多租户隔离是 Lobu 区别于单代理框架的关键设计：

• 一个 Node.js 进程服务多个代理和多个渠道（Slack、Telegram、WhatsApp、Discord、Teams）
• 每个会话（channel 或 DM）有独立的隔离沙箱，代理只能访问沙箱内的资源
• 敏感凭证（API keys、密码）以加密形式存储在 Postgres 中，代理运行时永远看不到明文
• 共享记忆（memory）按组织（org）维度隔离，团队成员可以共享企业知识库

记忆系统基于 PostgreSQL + pgvector：代理的对话历史、实体关系、用户偏好都以向量形式存入 pgvector，支持语义检索。这让代理具备"持久记忆"，而不是每次对话都遗忘一切。

图2：Lobu 代理循环与记忆架构

技术栈：TypeScript monorepo + 插件化设计

Lobu 采用 TypeScript monorepo 架构，使用 bun 作为包管理器和运行时（部分构建流程也支持 bun），通过 npm workspaces 组织 packages 子包。主要模块包括：

包名	职责
packages/core	核心 Agent 循环、沙箱执行、凭证管理
packages/server	Hono Web 服务器，提供 REST API
packages/cli	命令行工具，lobu run/lobu apply 等
packages/connectors	预置集成（Slack、Discord、Telegram 等）
packages/connector-sdk	连接器开发 SDK
packages/plugin-memory	pgvector 记忆系统插件
packages/plugin-mcp	MCP（Model Context Protocol）协议支持
packages/pgvector-embedded	嵌入式 pgvector，无需独立数据库即可运行
packages/embeddings	向量嵌入生成服务

代码结构遵循模块化插件架构：每个功能域（memory、MCP、media 等）均为独立插件，通过 plugin-host 统一调度。这种设计让开发者可以按需引入功能，也便于社区贡献新的插件。

支持的 LLM 提供商：16+ 模型自由切换

Lobu 内置了 16+ LLM 提供商的配置，包括：

• Anthropic（Claude 系列）
• OpenAI（GPT 系列）
• Google（Gemini）
• Groq、OpenRouter、Ollama 等 OpenAI 兼容端点
• 用户也可以通过 UI 或环境变量动态添加 API Key

支持多提供商的策略让企业可以灵活选择成本与性能的平衡点，不必被单一模型绑定。

接入方式：Web UI + MCP + CLI

Lobu 提供三种接入方式，满足不同技术背景用户的需求：

方式一：完整 Agent（Slack/Telegram/Watcher） 通过 CLI 脚手架创建：npx @lobu/cli@latest init my-bot，配置 lobu.config.ts，然后 lobu run 启动零配置嵌入 Postgres 的完整服务。Web UI 监听 :8787，支持 Slack Bot 集成。

方式二：Claude Code / Claude Desktop 的记忆插件 通过 MCP 协议将 Lobu 的结构化记忆图谱接入 Claude Code 或 Claude Desktop，让 AI 编程工具拥有持久化的项目上下文记忆。这对于长期维护大型代码库的场景非常有价值。

方式三：REST API 集成 Lobu 提供 REST API，可以将 AI teammate 能力嵌入任何产品中。

部署体验：docker-compose 一键启动

Lobu 的自托管部署非常友好。官方提供 docker-compose.example.yml，包含两个核心服务：

• postgres（pgvector:pg18-trixie）：向量数据库
• lobu（ghcr.io/lobu-ai/lobu-app:latest）：主应用镜像

必须配置的两个环境变量：

• ENCRYPTION_KEY：32字节 base64，用于加密存储在 Postgres 中的所有敏感数据
• BETTER_AUTH_SECRET：32字节 base64，用于会话认证

启动命令：

cp docker-compose.example.yml docker-compose.yml
# 编辑 docker-compose.yml，填入 ENCRYPTION_KEY 和 BETTER_AUTH_SECRET
docker compose up -d
# 访问 http://localhost:8787

注意：Apple Silicon（M1/M2）用户需要设置 platform: linux/amd64，因为 pgvector 暂时没有原生 ARM64 构建。内存推荐 2GB 以上，磁盘 2GB 即可。

争议与局限

Lobu 也有其局限性需要正视：

1. 配置复杂度不低：lobu.config.ts 的配置项较多，对于非开发者有一定学习成本。生产环境需要妥善管理 ENCRYPTION_KEY（变更会导致所有加密数据丢失）。

2. pgvector 依赖：记忆功能强依赖 pgvector，虽然有嵌入式版本（pgvector-embedded），但生产环境建议独立部署 Postgres 以保证数据安全。

3. 从 BUSL 到 Apache-2.0 的过渡：Lobu 最初采用 BUSL-1.1 许可证，2026 年中才变更为 Apache-2.0。这意味着历史版本的代码仍有许可证限制，企业使用需注意版本选择。

4. 生态成熟度：相比 AutoGen、LangGraph 等成熟框架，Lobu 的社区规模较小，预置连接器和 Skills 数量有限，扩展生态需要开发者自行实现。

行业意义：AI teammate 的企业化路径

Lobu 代表了一个明确的趋势：AI 代理从"个人效率工具"向"团队协作成员"演进。随着 Claude Code、Cursor 等 AI 编程工具的普及，"AI as a teammate"（AI 作为团队成员）这个概念正在从概念走向落地。

Lobu 的多租户 + 沙箱隔离设计，直接回应了企业在 AI 部署上的安全合规需求。它不追求替代现有的对话式 AI，而是聚焦于可操作、可自动化执行任务的代理层面——帮你查 CRM、起草文档、追踪数据变化。这与纯聊天机器人有本质区别。

截至 2026 年中，Lobu 已获得 180+ GitHub stars，发布了 14 个版本，吸引了多个行业垂直场景的示例项目（finance、legal、ecommerce、sales 等）。Lobu Cloud 托管服务的推出也说明团队在商业化路径上有明确规划。

如果你正在寻找一个开源、多租户、可嵌入企业工作流的 AI 代理平台，Lobu 是一个值得关注的选项。它尤其适合：有 Claude Code 使用习惯的开发团队、需要将 AI 能力嵌入内部工具的企业、以及探索 AI teammate 概念的早期实践者。